使用 LangChain、Zilliz Cloud、Cohere Command R 和 OpenAI text-embedding-3-large 构建 RAG 聊天机器人

什么是 RAG

检索增强生成（Retrieval-Augmented Generation，简称 RAG）正引领生成式 AI，尤其是对话式 AI 的新潮流。它将预训练的大语言模型（LLM，如 OpenAI 的 GPT）与存储于向量数据库（如 Milvus、Zilliz Cloud）中的外部知识源相结合，从而让模型输出更准确、更具上下文相关性，并且能够及时融合最新信息。一个完整的 RAG 系统通常包含以下四大核心组件：

向量数据库：用于存储与检索向量化后的知识；
嵌入模型：将文本转为向量表示，为后续的相似度搜索提供支持；
大语言模型（LLM）：根据检索到的上下文和用户提问生成回答；
框架：负责将上述组件串联成可用的应用。

核心组件说明

本教程将带你在 Python 环境下，借助以下组件一步步搭建一个初级的 RAG 聊天机器人：

LangChain: 一个开源框架，帮助你协调大语言模型、向量数据库、嵌入模型等之间的交互，使集成检索增强生成（RAG）管道变得更容易。
Zilliz Cloud:一个基于开源项目 Milvus 构建的全托管向量数据库即服务（DBaaS）平台，旨在处理大规模高性能的向量数据处理。通过先进的向量搜索技术，Zilliz Cloud 可帮助企业高效存储、搜索和分析大量非结构化数据，如文本、图像或音频，并提供支持最多 100 万个向量的免费套餐。
Cohere Command R: 该模型旨在高性能检索任务中表现出色，具备理解和生成自然语言的先进能力。它在语义搜索和文档摘要方面的优势，使其非常适合用于客户支持、内容生成和知识管理等应用，这些领域对准确性和上下文相关性要求极高。
**text-embedding-3-large: OpenAI的文本嵌入模型，生成1536维的嵌入，专为语义搜索和相似性匹配等任务而设计。

完成本教程后，你将拥有一个能够基于自定义知识库回答问题的完整聊天机器人。

注意事项: 使用专有模型前请确保已获取有效 API 密钥。

实战：搭建 RAG 聊天机器人

第 1 步：安装并配置 LangChain

%pip install --quiet --upgrade langchain-text-splitters langchain-community langgraph

第 2 步：安装并配置 Cohere Command R

pip install -qU "langchain[cohere]"

import getpass
import os

if not os.environ.get("COHERE_API_KEY"):
  os.environ["COHERE_API_KEY"] = getpass.getpass("Enter API key for Cohere: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("command-r", model_provider="cohere")

第 3 步：安装并配置 OpenAI text-embedding-3-large

pip install -qU langchain-openai

import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-large")

第 4 步：安装并配置 Zilliz Cloud

pip install -qU langchain-milvus

from langchain_milvus import Zilliz

vector_store = Zilliz(
    embedding_function=embeddings,
    connection_args={
        "uri": ZILLIZ_CLOUD_URI,
        "token": ZILLIZ_CLOUD_TOKEN,
    },
)

第 5 步：正式构建 RAG 聊天机器人

在设置好所有组件之后，我们来搭建一个简单的聊天机器人。我们将使用 Milvus介绍文档作为私有知识库。你可以用你自己的数据集替换它，来定制你自己的 RAG 聊天机器人。

import bs4
from langchain import hub
from langchain_community.document_loaders import WebBaseLoader
from langchain_core.documents import Document
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langgraph.graph import START, StateGraph
from typing_extensions import List, TypedDict

# 加载并拆分博客内容
loader = WebBaseLoader(
    web_paths=("https://milvus.io/docs/overview.md",),
    bs_kwargs=dict(
        parse_only=bs4.SoupStrainer(
            class_=("doc-style doc-post-content")
        )
    ),
)

docs = loader.load()

text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
all_splits = text_splitter.split_documents(docs)

# 索引分块
_ = vector_store.add_documents(documents=all_splits)

# Define prompt for question-answering
prompt = hub.pull("rlm/rag-prompt")


# 定义应用状态
class State(TypedDict):
    question: str
    context: List[Document]
    answer: str


# 定义应用步骤
def retrieve(state: State):
    retrieved_docs = vector_store.similarity_search(state["question"])
    return {"context": retrieved_docs}


def generate(state: State):
    docs_content = "\n\n".join(doc.page_content for doc in state["context"])
    messages = prompt.invoke({"question": state["question"], "context": docs_content})
    response = llm.invoke(messages)
    return {"answer": response.content}


# 编译应用并测试
graph_builder = StateGraph(State).add_sequence([retrieve, generate])
graph_builder.add_edge(START, "retrieve")
graph = graph_builder.compile()

测试聊天机器人

Yeah! You've built your own chatbot. Let's ask the chatbot a question.

response = graph.invoke({"question": "What data types does Milvus support?"})
print(response["answer"])

示例输出

Milvus 支持多种数据类型，包括稀疏向量、二进制向量、JSON 和数组。此外，它还支持常见的数值类型和字符类型，使其能够满足不同的数据建模需求。这使得用户能够高效地管理非结构化或多模态数据。

优化小贴士

在搭建 RAG 系统时，合理调优能显著提升性能与效率。下面为各组件提供一些实用建议：

LangChain 优化建议

为了优化 LangChain，需要通过高效地构建链路和代理来减少工作流程中的冗余操作。使用缓存避免重复计算，从而加快系统速度，并尝试采用模块化设计，确保模型或数据库等组件能够轻松替换。这将提供灵活性和效率，使您能够快速扩展系统，而无需不必要的延迟或复杂性。

Zilliz Cloud 优化建议

优化 Zilliz Cloud 以支持 RAG 系统需要高效的索引选择、查询调优和资源管理。使用 HNSW（Hierarchical Navigable Small World）索引实现高速的近似最近邻搜索，同时平衡召回率与效率。根据数据集规模和查询负载，微调 ef_construction 和 M 参数，以优化搜索的准确性和延迟。启用动态扩展功能，可有效应对波动的工作负载，确保在不同查询负载下保持稳定性能。通过数据分区来提高检索速度，将相关数据分组以减少不必要的比较。定期更新和优化嵌入，尤其在处理不断变化的数据集时，可保持结果的相关性。采用混合搜索技术（例如结合向量搜索与关键词搜索）以提升响应质量。通过 Zilliz Cloud 的仪表板监控系统指标，并根据需要调整配置，以维持低延迟和高吞吐量的性能。

Cohere Command R 优化建议

Cohere Command R 旨在进行检索增强生成，使高效的上下文检索和排名对于系统性能至关重要。通过使用 Cohere 的基于嵌入的搜索优化检索管道，以识别和排序最相关的文档，从而减少不必要的输入上下文，同时保持准确性。通过微调温度设置来提高响应质量；较低的值（0.1–0.2）最适合结构化的事实基础查询，而较高的值则在生成的响应中引入更多的变异性。利用提示模板保持一致的格式，确保输出的清晰性。实施批处理，当多个查询需要相似的上下文时，减少冗余的 API 调用。为了提高效率，缓存顶部查询结果，并利用增量上下文更新，而不是重复发送完整的文档集。如果在大规模部署，实时监控延迟和响应一致性，动态调整检索阈值，以实现速度和完整性之间的最佳平衡。

OpenAI text-embedding-3-large 优化建议

OpenAI text-embedding-3-large 是一种高容量的嵌入模型，旨在提供精确和丰富的语义表示，使其非常适合需要复杂文档检索的 RAG 系统。通过在生成嵌入之前对文本进行预处理和标准化来优化效率，以减少噪声。如果存储或计算的限制成为问题，可以使用降维技术，如 PCA。当查询时，利用基于 HNSW 的近似最近邻 (ANN) 搜索来加速检索，同时保持准确性。批量处理嵌入请求以减少延迟并优化资源利用。实施重排序模型，根据查询上下文进一步细化前几个结果。定期用新摄取的数据更新嵌入存储，以保持检索的相关性。

通过系统性实施这些优化方案，RAG 系统将在响应速度、结果准确率、资源利用率等维度获得全面提升。 AI 技术迭代迅速，建议定期进行压力测试与架构调优，持续跟踪最新优化方案，确保系统在技术发展中始终保持竞争优势。

RAG 成本计算器

估算 RAG 成本时，需要分析向量存储、计算资源和 API 使用等方面的开销。主要成本驱动因素包括向量数据库查询、嵌入生成和 LLM 推理。RAG 成本计算器是一款免费的在线工具，可快速估算构建 RAG 的费用，涵盖切块（chunking）、嵌入、向量存储/搜索和 LLM 生成。能帮助你发现节省费用的机会，最高可通过无服务器方案在向量存储成本上实现 10 倍降本。

立即使用 RAG 成本计算器

Calculate your RAG cost

收获与总结

哇，你刚刚开始的旅程真是令人振奋！在这个教程中，你探索了一个框架、一个向量数据库、一个大型语言模型（LLM）和一个嵌入模型的迷人集成，以打造一个强大的RAG系统。你已经看到框架如何作为粘合剂，将所有组件无缝地结合在一起，确保流畅的通信和功能。向量数据库就像一个迅速的图书管理员，能够快速搜索大量数据，帮助你在眨眼间获取有意义的洞见。同时，LLM为你的应用注入了对话智能，使互动显得自然、吸引人，并真正像人类一样。我们不能忘记嵌入模型，它通过生成丰富的语义表示而发挥魔力，改变了你的RAG系统对数据的理解和解释方式。

如果这还不够的话，你发现的优化提示和实用的成本计算器无疑会让你能够高效且经济地配置你的设置！那么，接下来是什么？可能性是无穷无尽的！我们为你提供了工具和知识，现在轮到你释放创造力了。开始构建、优化和创新你自己的RAG应用吧。智能应用的世界期待着你独特的触感！让你的旅程开始吧！